[发明专利]一种融合人类知识的交互式食品图像缺陷检测方法及系统

权利要求书

1.一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，包括：

响应于训练指令，对食品图像依次进行背景分割和过度分割，得到超像素；获取标记的超像素分类，并对超像素进行特征提取；基于提取的特征和标记的超像素分类，对分类器进行训练；

响应于部署指令，对食品图像依次进行背景分割、过度分割和特征提取后，通过训练好的分类器，进行分类，得到食品图像中的缺陷区域。

2.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，采用阈值方法进行背景分割；

或者，采用超像素分割算法进行过度分割。

3.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：对每个超像素，计算平均值、方差和偏度。

4.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：在强度通道上使用边缘检测器，确定像素强度的变化速率。

5.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：在强度通道上使用范围滤波器，计算邻域内的最小值、最大值和最大值与最小值之间的差异。

6.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，所述特征提取包括：将每个超像素中最长的边缘长度作为特征。

7.如权利要求1所述的一种融合人类知识的交互式食品图像缺陷检测方法，其特征在于，采用AdaBoost算法在提取的特征中自动选择最佳特征，以区分缺陷和正常区域。

8.一种融合人类知识的交互式食品图像缺陷检测系统，其特征在于，包括：

训练模块，其被配置为：响应于训练指令，对食品图像依次进行背景分割和过度分割，得到超像素；获取标记的超像素分类，并对超像素进行特征提取；基于提取的特征和标记的超像素分类，对分类器进行训练；

检测模块，其被配置为：响应于部署指令，对食品图像依次进行背景分割、过度分割和特征提取后，通过训练好的分类器，进行分类，得到食品图像中的缺陷区域。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种融合人类知识的交互式食品图像缺陷检测方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种融合人类知识的交互式食品图像缺陷检测方法中的步骤。